防止基础设施崩溃的新技术

预测性维护使用传感器和软件系统来执行自动数据分析，以查明最有可能发生问题的位置。

这么多权威人士、政治家和政策专家不可避免地将我们公共工程的现状称为“摇摇欲坠的基础设施”，这是有充分理由的。这是由于基础设施现代化项目一直缺乏规划和预算。

大多数基础设施问题、交通故障和桥梁倒塌的根本原因可以追溯到监督和维护不足。例如，北加州的太平洋天然气与电力公司最近透露，它认为其老化的设备是该州历史上最致命的野火的导火索，由于其不断增加的负债，这增加了该公用事业公司进入破产程序的压力。

造成这些问题的原因是广泛而长期的。人工检查繁琐、低效且容易出现人为错误。而且，很多时候，这种定期检查是不必要的，因为系统运行良好。然而，随着关键系统的老化和维护团队被迫在预算缩减的情况下做更多事情，可靠的系统性能和高效的运营变得越来越重要。性能不佳会导致代价高昂的停机时间、能源资源浪费，最重要的是，还会导致危险事故。

现在通过预测性维护出现了一种更好的方法，其中传感器和软件系统可以提供自动数据分析，以准确定位下一个问题最有可能发生的位置。这样，可以派出技术人员及时主动地解决最紧迫的问题，而不会浪费宝贵的工时。通过实时监控系统设备的状况和性能，可以有计划地更有效地执行必要的干预和维护。

在施乐公司 PARC，我们正在通过一个新的工业物联网 (IIoT) 系统分析平台解决这个问题，该平台称为 MOXI，是维护和运营专家智能的缩写。MOXI 套件结合了嵌入式传感、复杂系统模型和人工智能 (AI) 技术，以超过 90% 的准确率预测不利的系统条件，误报率可忽略不计，漏检率几乎为零。

MOXI 的 IIoT 系统分析技术套件由六个模块组成，旨在监控、管理和优化系统性能。这包括传感、建模、状况评估、诊断、预测和可操作的建议。实施 MOXI 模块后，系统监督可以超越性能管理，随着时间的推移实现峰值优化，从而节省能源、维护和停机成本，同时延长系统的整体寿命。MOXI 可以实现向真正智能、具有自我意识的系统的过渡，从而产生有关健康、安全和性能的可行见解。

预测性维护如何使东日本铁路公司受益
。MOXI 平台已经为位于东京的东日本铁路公司提供了积极的、真实的维护结果。更为人所知的是 JR-East，日本铁路平均有 1700 万名乘客乘坐 12,400 列火车，每天通过 1,600 多个车站。

经过数十年的大量使用，JR-East 受到基础设施老化、维护资源有限、成本上升和预算缩减的困扰。所有这些限制因素对 JR-East 保持其列车的可靠和准时运行构成了越来越大的挑战。

PARC 研究人员与 JR-East 的工程师、研发团队和维护技术人员合作，评估铁路最紧迫问题区域的范围。计算机科学家创建了仪表板模型，收集了 JR-East 最终用户的反馈，并开始了算法和软件开发的快速迭代。

最终的解决方案将定制的故障检测系统与诊断试验软件相结合。先进的机器学习算法现在与基于模型的系统分析一起使用，以维护火车门、轨道和其他重要的铁路系统。

项目团队还开发了仪表板来帮助 JR-East 的工程师可视化和理解他们的数据发现。自 2016 年启动该项目以来，该预测性维护系统为 JR-East 带来了极高的真阳性率，以及非常低的维护需求误报率。

因此，JR-East 维修专业人员现在可以检测到不利的汽车和赛道状况，然后在它们影响骑手安全之前进行纠正。这些改进使 JR-East 能够降低运营成本，同时保持列车安全准时运行。

这项技术令人兴奋的潜力预计将是深远的。除了解决客运和货运铁路的复杂问题外，预测性维护系统应该成为维护桥梁和其他关键基础设施、电网系统、制造工厂等的强大应用。

Ajay Raghavan 是施乐公司 PARC系统科学实验室的战略执行总监。他的团队专注于开发尖端分析和传感技术，以对广泛的网络物理系统进行可靠、安全和最佳的生命周期管理。他感兴趣的应用领域包括能源、交通、航空航天、国防和制造领域的系统。

审核编辑 黄昊宇